Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
BA & SA | 10000 Interview questions
Kanalga Telegram’da o‘tish
Вопросы и задачи, которые задают на собеседованиях на позицию Бизнес и Системного аналитика. По вопросам сотрудничества- @DeliveryManager7
Ko'proq ko'rsatish📈 Telegram kanali BA & SA | 10000 Interview questions analitikasi
BA & SA | 10000 Interview questions (@systemanalystinterview) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 10 210 obunachidan iborat bo'lib, Karyera toifasida 3 873-o'rinni va Rossiya mintaqasida 64 191-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 10 210 obunachiga ega bo‘ldi.
15 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 301 ga, so‘nggi 24 soatda esa -1 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 3.19% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 2.35% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 326 marta ko‘riladi; birinchi sutkada odatda 240 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 3 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent объяснение, индекс, user_id, субд, паттерн kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Вопросы и задачи, которые задают на собеседованиях на позицию Бизнес и Системного аналитика. По вопросам сотрудничества- @DeliveryManager7”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 16 Iyun, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Karyera toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
10 210
Obunachilar
-124 soatlar
+1267 kunlar
+30130 kunlar
Postlar arxiv
☀Объяснение:
Диаграмма коммуникации (раньше называлась диаграммой кооперации) фокусируется на связях между объектами/компонентами и нумерует сообщения в порядке их передачи. В отличие от диаграммы последовательности, где время течёт вертикально, здесь время показано номерами (1, 1.1, 2 и т.д.), а пространственное расположение отражает топологию связей.
Когда что использовать:
Диаграмма последовательности – лучше для детального анализа временнóй логики, асинхронных вызовов, параллельных процессов. Но при 10 сервисах она становится громоздкой (много линий времени).
Диаграмма коммуникации – компактнее для большого числа участников, хорошо показывает, кто с кем связан, и позволяет быстро пронумеровать вызовы. Отлично подходит для архитектурных обсуждений на доске.
Почему B правильный ответ:
В задаче важны не временные отрезки (сколько миллисекунд), а порядок вызовов и структура связей. Диаграмма коммуникации помещает все микросервисы на один лист и стрелками с номерами показывает последовательность. Это удобно для презентации архитектуры команде и стейкхолдерам.
Реальный пример:
В интеграционном проекте с 6 внешними сервисами диаграмма коммуникации помогла выявить циклические зависимости (А → Б → В → А), которые не замечали на диаграмме последовательности.
Что должен зафиксировать аналитик:
Для описания высокоуровневого потока с большим числом участников использовать диаграмму коммуникации.
Для детальной отладки с таймингами – диаграмму последовательности.
Вывод: Диаграмма коммуникации незаменима, когда нужно показать упорядоченные взаимодействия между многими участниками, не загромождая временными полосками.
4890. В системе 10 микросервисов. Нужно показать, как запрос на оформление заказа проходит через них, с указанием порядка вызовов (1, 2, 3…). Какая диаграмма UML лучше подходит, когда важны не временные отрезки, а структура взаимодействия?
IT & Digital
Папка для тех, кто погружен в мир разработки, программирования, данных, ИИ, цифрового маркетинга, аналитики, UX/UI дизайна, управления IT-проектами и развития tech-продуктов.
👉 Сохранить себе
☀Объяснение:
Проблема:
HTTP POST не является идемпотентным по определению. Если клиент повторяет запрос из-за таймаута, сервер не может отличить повтор от нового запроса. Это приводит к дублированию операций (списаний, созданий заказов).
Решение – идемпотентный ключ (Idempotency Key):
Клиент генерирует уникальный ключ (например, UUID) и передаёт его в заголовке
Idempotency-Key. Сервер хранит этот ключ вместе с результатом операции в течение определённого времени (например, 24 часа). При повторном запросе с тем же ключом сервер возвращает ранее сохранённый результат, не выполняя операцию повторно.
Алгоритм работы сервера:
Получить ключ из заголовка.
Проверить в хранилище (Redis, БД), есть ли уже выполненная операция с этим ключом.
Если есть – вернуть сохранённый ответ.
Если нет – выполнить операцию (списание денег), сохранить ключ и результат, затем вернуть ответ.
Пример кода (Node.js):
javascript
const idempotencyKey = req.headers['idempotency-key'];
const cached = await redis.get(idempotencyKey);
if (cached) return JSON.parse(cached);
const result = await processPayment(req.body);
await redis.setex(idempotencyKey, 86400, JSON.stringify(result));
res.json(result);Idempotency-Key для идемпотентных запросов. Это позволяет клиентам безопасно повторять запросы при сетевых сбоях.
Что должен зафиксировать аналитик:
«API должен поддерживать заголовок Idempotency-Key для всех небезопасных методов (POST, PUT, PATCH)».
«Ключ должен храниться не менее 24 часов».
«Ответ на повторный запрос с тем же ключом должен быть идентичен первому».
Вывод: Idempotency Key – стандарт защиты от двойной обработки в REST API, обязательный для финансовых и критических операций.А знаете, кто сейчас получает самое большое преимущество?
Не те, кто работает больше.
А те, кто научился работать вместе с ИИ.
Поэтому собрал папку с сильными экспертами в этой теме
4889. Клиент отправляет запрос на списание денег. Из-за сетевого таймаута он повторяет запрос. Сервер обрабатывает оба, и деньги списываются дважды. Какая техника на стороне сервера предотвращает повторную обработку без изменения бизнес-логики?
Хватит гадать — DeepSeek за тебя уже всё решил 🐳
* Сейчас все только про Claude, но я перешёл на DeepSeek и не жалею. Бесплатно, контекст 1 млн токенов — закинул целую книгу, помнит всё. Код пишет отлично, а рассуждения (Reasoning) выдают логику, как у архитектора.
Решил протестировать агентский режим на задаче, которую вечно откладывал — собрать чистое инфополе с нуля. Чтобы не перебирать паблики вручную, зашёл через функцию похожих каналов в Telegram.
Скормил DeepSeek ссылки на качественных авторов по IT и AI, которых читаю сам, и попросил проанализировать сотни рекомендаций. Агент изучил контент на каналах и оставил только тех, кто делится практическим опытом по: AI-воркфлоу, автоматизации, вайб-кодингу, промт-инжинирингу, RAG-syst. нейрогенерации и др.
DeepSeek собрал полезную подборку экспертов в одну папку. Делюсь списком — внутри только полезный контент про IT & AI.
🔗Забирай в один клик: 👉 https://t.me/addlist/FYyQj91I8jJiMzg0
☀Объяснение:
Что такое Event Storming?
Это метод фасилитации, разработанный Альберто Брандолини. Он проводится в формате интенсивной сессии (1–2 дня), где все участники (аналитики, разработчики, бизнес-эксперты) наклеивают на большую стену стикеры разных цветов:
Оранжевые – события (доменные события), которые происходят в бизнесе («Заказ создан», «Платёж подтверждён»).
Синие – команды (действия), которые инициируют события («Создать заказ», «Подтвердить платёж»).
Жёлтые – агрегаты (сущности, над которыми выполняются команды, например «Заказ», «Клиент»).
Розовые – акторы (пользователи, системы).
Фиолетовые – внешние системы.
Красные молнии – проблемные зоны (hot spots).
Почему это эффективно для непонятного процесса:
Эксперты вместе выстраивают временную линию событий, выявляя нестыковки и пробелы.
Метод не требует предварительной подготовки и нотации.
Результат – общая картина домена (bounded contexts), которую можно превратить в архитектуру микросервисов или user stories.
Почему не другие варианты:
A (Use Case Mapping) – требует предварительного знания сценариев, менее интерактивен.
C (BPMN-воркшоп) – требует знания нотации BPMN, что мешает бизнес-экспертам.
D (Impact Mapping) – скорее для стратегии и целей, а не для моделирования процессов.
Реальный пример:
В стартапе по доставке еды никто не знал, как происходит возврат денег при отмене заказа. За 4 часа Event Storming выявили 15 событий, 3 спорные зоны и договорились о новой логике.
Вывод: Event Storming – идеальный инструмент для быстрого погружения в предметную область, особенно когда нет чёткой документации.
4888. В начале проекта команда плохо понимает бизнес-процесс, есть только эксперты из разных отделов. Какой метод за 1 день позволяет нарисовать карту событий, команд и агрегатов, используя стикеры и обсуждение?
Как на таком рынке вообще можно устроиться?!
В 2026-м этим вопросом задается почти каждый, перед кем стоит проблема поиска работы.
Булат — солюшен-архитектор, выросший из системного аналитика. Практикующий ментор. В прошлом году он сам трижды (!) попадал под сокращения, но в итоге смог устроиться на еще большую ЗП, чем была до всех сокращений.
Впечатляющий маневр? Думаю, да. А ведь вся нужная инфа для таких же камбэков уже лежит у него в канале:
🔹Где искать работу в РФ и как искать работу аналитиком вне РФ?
🔹Что спрашивают на собеседованиях и что на них отвечать?
🔹Как выбить себе офер посолиднее?
🔥 Топ постов на канале:
🔸Извините, вы оверквалифайд кандидат
🔸Где искать работу? + полезные ресурсы в комментах
🔸System Design интервью на архитектора с вилкой 550к на руки
🔸Собес в СберЗдоровье с решением задачи по архитектуре
🔸Интервью в AEON Payment — финтех на Кипре
🔸Провальное собеседование в банк на solution архитектора
Подписывайся — @na_sobese, если хотите найти работу быстрее.
Подборка Telegram-каналов по схеме ALL IN ONE 👁🗨
Тебе больше не нужно мониторить сотни источников в надежде найти адекватных авторов. Мы сделали это за тебя ✔️
Что внутри?
* ИИ — не хайп, а реальные инструменты и внедрения * IT Технологии — тренды, обзоры, инсайты от первых лиц * Карьера — как найти работу, вырасти и не выгореть * HR Tech — кто и как нанимает сейчас профессионалов * AI Life hacks — как выжить и зарабатывать за границей с помощью новых возможностей ИИПАПКА 👈 здесь, забирай - там реально круто 👉 Делимся знаниями и аудиторией — растём вместе ⚡️ Отписаться можно в любой момент. Остаться — тоже ✔️ * Ссылка ➡️ https://t.me/addlist/FYyQj91I8jJiMzg0
☀Объяснение:
Severity (серьёзность) – техническая характеристика дефекта, показывающая, насколько сильно он ломает функциональность системы. Определяется без учёта бизнес-влияния.
High – критическая функция не работает (например, оформление заказа).
Medium – функция работает с ограничениями.
Low – косметический дефект, не мешающий основной работе.
Priority (приоритет) – бизнес-характеристика, показывающая, как срочно нужно исправить дефект. Зависит от количества затронутых пользователей, потери выручки, репутационных рисков.
High – нужно исправить как можно быстрее (влияет на ключевой бизнес-процесс).
Medium – исправить в ближайший спринт.
Low – исправить при следующей возможности.
Применение к задаче:
Severity = High, потому что критическая функция (оформление заказа) недоступна для затронутых пользователей. Даже если процент мал, сам сценарий критичен.
Priority = High, потому что любой сбой в оформлении заказа ведёт к потере выручки и негативному опыту. Бизнес не станет ждать следующего релиза, чтобы исправить такое.
Ошибка, которую часто допускают:
Путают «малое количество пользователей» с низким приоритетом. Например, если баг затрагивает только VIP-клиентов (но их мало), приоритет всё равно высок, потому что бизнес теряет самых ценных клиентов.
Реальный кейс:
В интернет-магазине баг с отображением корзины возникал у 2% пользователей. Команда хотела отложить исправление на следующий релиз из-за низкого процента. Аналитик аргументировал, что для затронутых пользователей оформление заказа невозможно (Severity High), и эти пользователи могут уйти к конкурентам (Priority High). Баг исправили в течение дня.
Что должен зафиксировать аналитик:
В регламенте тестирования и приёмки: «Severity определяется по степени нарушения функциональности, Priority – по влиянию на бизнес».
Примеры классификации для разных типов дефектов.
Вывод: Severity и Priority – это разные измерения. Severity определяется техническим влиянием, Priority – бизнес-ценностью. Аналитик обязан уметь аргументировать оба параметра при согласовании исправлений с заказчиком.
4887. В прод среде обнаружен баг: вместо имени пользователя отображается «NULL». Это происходит редко, только у 0.1% пользователей, но они не могут оформить заказ. Как правильно классифицировать дефект по Severity (серьёзность) и Priority (приоритет)?
☀Объяснение:
Проблема:
В облачных средах (AWS, GCP, Azure) стоимость складывается из потреблённых ресурсов (CPU, RAM, хранилище, сеть). Разработчики часто выделяют ресурсы с запасом («возьму под 4 CPU, может пригодится»), забывая о деньгах. Без контроля счёт растёт экспоненциально. Финансовые и DevOps отделы не успевают за изменениями.
Что такое FinOps?
FinOps (Cloud Financial Operations) – это практика управления облачными затратами, объединяющая технические, финансовые и бизнес-процессы. Ключевые принципы:
Accountability – разработчики несут ответственность за стоимость своих ресурсов (каждый знает, сколько стоят его поды).
Visibility – прозрачность затрат в реальном времени (дашборды, алерты).
Optimization – использование правильных типов инстансов (spot, reserved, right-sizing), автоматическое выключение неиспользуемых сред по расписанию.
Конкретные действия для Kubernetes:
Установить
requests и limits для каждого контейнера (без них под может потребить все ресурсы ноды).
Использовать Vertical Pod Autoscaler (рекомендует оптимальные запросы).
Включить Cluster Autoscaler, чтобы не держать лишние ноды.
Мониторинг неиспользуемых томов, балансировщиков, зарезервированных IP.
Алерты при превышении бюджета (например, если затраты на проект превысили 1000$ в день).
Пример настройки limits:
yaml
resources:
requests:
memory: "256Mi"
cpu: "250m"
limits:
memory: "512Mi"
cpu: "500m"
Без limits под может потребить всю память ноды и вызвать её падение.
Почему не подходят другие варианты:
A (вертикальное масштабирование) – увеличит затраты.
C (ручной аудит раз в месяц) – слишком медленно, к тому моменту деньги уже потрачены.
D (миграция обратно в on-premise) – не решает проблему культуры использования ресурсов.
Реальный пример:
В компании одного стартапа счёт за облачные ресурсы вырос с $500 до $5000 в месяц после перехода на микросервисы. Внедрили FinOps: настроили алерты, стандартизировали requests/limits, ввели еженедельные обзоры затрат. Через месяц счёт снизился до $800 без потери производительности.
Что должен зафиксировать аналитик:
В требования к архитектуре: «Каждый микросервис должен иметь явные requests и limits на CPU/RAM».
«Для нерабочих сред (dev, staging) настроить автоматическое выключение в нерабочее время».
«Дашборды затрат с детализацией до уровня пода и сервиса».
Вывод: FinOps – это не техническая опция, а требование к культуре разработки. Аналитик, включающий облачную экономику в нефункциональные требования, помогает бизнесу не переплачивать за неэффективное использование ресурсов.4886. Разработчики не обращают внимания на выделенные CPU/RAM, ставят большие инстансы «на всякий случай». Какая практика управления затратами помогает оптимизировать использование ресурсов без изменения кода?
